基于自适应容积卡尔曼滤波方法的涡扇发动机气路部件故障诊断

针对涡扇发动机气路部件故障诊断中参数存在不同的噪声统计特性,提出了一种自适应平方根容积卡尔曼滤波(ASRCKF)器的自适应滤波方法.该方法直接利用基于3阶容积积分方法近似发动机的非线性统计特性,用于替代非线性无迹卡尔曼滤波方法的系统模型,避免了滤波过程参数选取的问题;采用移动窗口法对噪声协方差矩阵进行自适应估计,提高了算法对不同统计特性噪声的自适应能力和滤波精度.通过对发动机气路部件健康参数蜕化过程仿真结果表明:ASRCKF方法相比平方根容积卡尔曼滤波(SRCKF)方法,精度提高40%~50%,对不同噪声信号具有更好的适应能力.      

模糊自适应算法在GPS/INS组合导航系统中的应用

阐述了在对常用的Sage-husa自适应滤波算法总结和分析基础上,给出了滤波收敛的判据,提出利用模糊逻辑自适应控制器(FLAC)调整卡尔曼滤波器的方法,形成自适应滤波算法.以GPS/INS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度和实时性.     

GHQF精度分析及其在组合导航中的应用

针对非线性滤波算法在组合导航系统中的应用问题,利用泰勒级数展开对无味卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)和高斯厄米特积分滤波(GHQF)三种非线性高斯滤波算法的性能进行了比较分析;基于泰勒展开的精度分析表明,UKF和CKF从四阶项开始出现截断误差,而GHQF可以逼近任意阶精度的非线性系统的后验均值;以CNS/SAR/SINS非线性组合导航系统为应用背景,对三种滤波算法的精度进行了仿真验证。数学仿真结果表明,与UKF和CKF相比,GHQF具有更高的滤波估计精度。     

无源定位跟踪滤波算法研究及仿真分析

首先介绍了几种无源定位跟踪滤波算法原理,包括扩展卡尔曼滤波（EKF）,无迹卡尔曼滤波器（EKF）,交互多模型滤波器（IMM）;然后通过建立几种不同模型来对每一种滤波算法进行仿真,依据仿真图形和误差结果对滤波算法进行分析,从而实现不同滤波模型根据目标运动状态进行监视和切换,这对无源定位跟踪算法精度的提高和实际应用有很大的...     

基于多维数值积分的高阶确定采样型滤波方法

基于多维数值积分讨论了确定采样型滤波器,这一类滤波器的不同之处体现在对滤波器中均值和方差的计算,这一问题与数值积分密切相关.针对以往确定采样型滤波器在提高滤波精度的同时会增加计算量,通过分析高斯权值积分,采用完全对称积分公式,计算积分节点、节点个数及权重,相比高斯厄米特滤波减少了计算量,同时滤波精度可达到五阶以上.选取典型算例对新的滤波方法仿真分析,验证了该滤波方法的可行性和有效性.     

高斯-厄米特滤波器在捷联惯导系统初始对准中的应用

 为提高静基座初始对准精度,缩短对准时间,采用了基于大方位失准角的对准模型,引入了高斯-厄米特滤波器(GHF)。针对GHF中均值和协方差阵的多元非线性高斯积分求解问题,利用初始对准误差方程的非线性是由大方位失准角导致的特点,通过状态的线性变换,求其线性状态解析解,将高维积分转化成一元数值积分,在不损失精度的前提下,解决了GHF在对准应用的"维数灾难"问题。将此算法用于实际系统,对比于扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF),结果表明在大方位失准角条件下,GHF方法偏航角的对准精度提高了16%,对准时间缩短了75％。     

微小卫星太阳敏感器/磁强计实时标定算法研究

 提出了一种对磁强计/太阳敏感器的无姿态信息的在轨实时标定方法。在现有的标定算法中，仅采用地磁矢量的模作为观测量，本文引入地磁矢量与太阳矢量之间的数量积作为观测量，增强了其可观性，也使对太阳敏感器的实时标定成为可能。扩展卡尔曼滤波器(Extended Kalman Filter，EKF)虽然获得广泛应用，但其线性化过程会引入截断误差，而无香卡尔曼滤波器(Unscented Kalman Filter，UKF)是非线性滤波方法，不须对系统进行线性化。分别利用EKF与UKF的滤波标定算法进行标定研究，仿真结果表明了本文算法的有效性，如磁强计偏置的标定精度，UKF比EKF高26%。     

改进自适应抗差容积卡尔曼滤波多源室内定位

针对容积卡尔曼滤波在多源融合定位中存在跟踪能力不强和自适应能力差的问题,在传 统容积卡尔曼滤波的基础上,提出了改进自适应抗差容积卡尔曼滤波算法。建立了基于新息的自 适应判决准则与修正方法,使得滤波算法能够及时跟踪目标真实状态;引入抗差因子调节观测协 方差矩阵,以减小观测值异常问题对滤波精度的影响;采用奇异值分解代替容积卡尔曼中的Cholesky 分解,提高数值计算的稳定性。超宽带/惯性导航联合定位实验结果表明,与扩展卡尔曼滤波 和容积卡尔曼滤波相比,改进的自适应抗差容积卡尔曼滤波定位精度更高,数值稳定性更好,增强 了定位系统在粗差干扰下的鲁棒性。     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。     

约简二次扩展平方根容积卡尔曼滤波及其应用

对于具有复杂加性噪声特点的非线性动态系统,往往很难直接运用传统非扩展容积卡尔曼滤波(CKF)方法对其状态进行有效估计。针对这一问题,通过非扩展和扩展Cubature变换精度的对比分析,结合扩展Cubature点集的约简特性,提出了一种约简二次扩展平方根容积卡尔曼滤波(RTA-SRCKF)方法。该方法采用二次扩展策略,在时间更新环节将过程噪声进行扩展,在量测更新环节将量测噪声进行扩展,有效缩减了采样点,降低了算法复杂度,具有很好的实时性,且在未损失滤波精度的前提下算法计算量明显降低,适用于具有复杂加性噪声特点的非线性动态系统状态估计。捷联惯性导航系统(SINS)大失准角初始对准仿真结果验证了理论分析结论,方位对准精度接近理论极限对准精度。     

卡尔曼/粒子组合滤波在GPS/INS组合导航中的应用研究

在非线性模型和非高斯噪声条件下,粒子滤波在GPS/INS组合导航系统的观测精度较低时能取得较好的滤波结果,但在高观测精度情况下会导致滤波发散。针对这一问题,在分析了基本粒子滤波器算法原理的基础上提出一种卡尔曼/粒子组合滤波方法,将状态向量分为线性部分和非线性部分,分别用卡尔曼滤波和粒子滤波估计,既保证了简化后滤波算法的结果不会变差,又将运算量大大降低,仿真试验表明,组合滤波器能够获得较高的滤波精度,满足实际的导航要求。     

一种TASIMM-UKF导弹状态估计方法

为了提高对机动导弹状态估计的精度和速度,提出了一种三轴分离IMM-UKF(TASIMM-UKF)滤波算法。将导弹运动状态按坐标轴方向进行三轴分离,并基于CV,CA和CJ模型集,采用无迹卡尔曼滤波器并行估计导弹三轴状态信息,有效地解决了导弹不同运动轴间的模型竞争问题。仿真结果表明,该方法能有效提高状态估计精度,缩短了估计时间,对复杂大机动目标状态估计具有良好的性能。     

皮卫星姿态估计及粗太阳敏感器标定算法研究

粗太阳敏感器是一种由多个光电池片配置组成的模拟式太阳敏感器,它结构简单、资源要求少,在皮卫星平台应用较为广泛。光电池光伏输出特性是粗太阳敏感器测量的基础,使用余弦关系近似等效会引入很大的误差。通过实际测试和深入分析,建立了更高精度的粗太阳敏感器输出特性等效数值模型,并以此为基础,推导了卫星姿态估计及粗太阳敏感器标定的联合在轨实时算法。算法采用多级耦合结构,由1个扩展卡尔曼滤波器(EKF)和6个卡尔曼滤波器组成,同时估计卫星姿态、卫星角速度以及卫星6个面共30个标定参数。仿真表明,和常规的EKF姿态估计算法相比,联合算法的运算量只增加了一半,而估计精度却提高了一个量级。     

基于辅助粒子滤波的机动目标跟踪研究

针对机动目标跟踪巾扩展卡尔曼算法（EKF）收敛速度慢、跟踪精度低的问题,基于粒子滤波（PF）和辅助粒子滤波（APF）的基本思想,结合目标先验信息将速度约束条件加入到跟踪过程巾,对辅助粒子滤波算法进行了仿真分析,与扩展卡尔曼进行仿真对比,分析了跟踪性能和误差。仿真结果表明,对机动目标跟踪问题,辅助粒子滤波不仅解决了扩展卡尔曼线性化困难难题,与EKF相比还具有收敛速度快,跟踪精度高的优点。     

涡扇发动机变参数鲁棒H_∞滤波器设计

针对存在建模误差及测量噪声干扰条件下的涡扇发动机性能参数估计问题,标准卡尔曼滤波及其改进算法滤波估计误差收敛速度慢,滤波估计精度低,对不确定测量噪声及建模误差较为敏感,为此本文提出了一种变参数鲁棒H_∞滤波器设计方法。该方法采用仿射参数依赖Lyapunov函数设计满足H_∞性能指标要求的鲁棒滤波器,通过引入凸多胞技术,将参数依赖线性矩阵不等式(Linear Matrix Inequality,LMI)中变参数Lyapunov矩阵与系统系数矩阵之间耦合乘积导致的非凸优化问题,转化为常规LMI约束下的凸优化问题进行求解,降低了线性变参数(Linear Parameter Varying,LPV)鲁棒滤波器设计的保守性,得到了全局解。针对涡扇发动机的仿真结果表明:与扩展卡尔曼滤波器对比,采用该方法设计的滤波器具有较快的动态跟踪速度和较高的滤波精度,ΔFn的稳态估计误差不大于0.1%,ΔFn的相对估计误差不大于2.5%,同时对建模误差和测量噪声干扰具有较强的抑制能力。     

INS/GPS/TAN系统中的联邦卡尔曼滤波信息融合方法

在分析联邦卡尔曼滤波原理和结构的基础上,提出了一个适合惯性导航系统／全球定位系统／地形辅助导航（ＩＮＳ／ＧＰＳ／ＴＡＮ）子系统状态向量维数不同这一特点的联邦卡尔曼滤波方法,并构造了一种具有较强容错性能和适应性的联邦卡尔曼子系统滤波器结构。由于采用了局部状态扩展、局部状态压缩、智能的不等间隔滤波、多级故障检测、阈值控制等信息融合技术,在保证精度的前提下,联邦卡尔曼滤波器的可靠性、适应性得到了明显提高。     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。     

基于改进卡尔曼滤波器的航空发动机自适应模型研究

针对构成发动机自适应模型的常规卡尔曼滤波器适用范围小,不能精确估计发动机参数的问题,设计了具有输入端积分补偿的改进卡尔曼滤波器,并将改进卡尔曼滤波器应用于机载自适应模型,进行了滤波效果和鲁棒性验证。     

基于IUKF的单星对空间目标仅测角跟踪算法

针对普通UKF(无迹卡尔曼滤波)测量更新方法的非线性近似精度相对较低,导致目标跟踪滤波精度和稳定性较低的问题,在单星对空间目标的天基仅测角跟踪滤波过程中,提出一种基于迭代测量更新方法的IUKF(迭代UKF)算法。通过在测量更新过程中提高非线性系统状态估计的近似精度,进而提高目标跟踪滤波精度,并引入具有全局收敛性的阻尼Gauss-Newton(高斯-牛顿)法来改进IUKF的数值稳定性。理论分析与实验结果表明,该方法不仅避免了求解雅可比矩阵和Hessian矩阵,而且具有较高的滤波精度和数值稳定性。     

基于弹体动力学信息的速率陀螺滤波

针对使用低精度惯性器件的战术制导武器中速率陀螺精度低、噪声大的问题,提出了一种基于弹体动力学信息降低陀螺噪声的方法.该方法通过将弹体姿态动力学方程与扩展卡尔曼滤波算法相结合来构建滤波器,并在飞行过程中利用导弹的先验特征信息和实测的执行机构信息来实时校正陀螺的测量值;然后从理论上证明了所建立非线性滤波系统是局部可观测和有效的.仿真结果表明,该滤波方法可以有效地抑制速率陀螺的测量误差.